Category: Amazon Machine Learning

生成 AI サービスを使用する際のデータのコントロールで直面する可能性のある現在の課題に対して、Amazon Bedrock 内のネイティブソリューションと階層化された認可を使用してそれらを克服する方法について説明します。

本ブログでは、2024 年 11 月 1 日に実施した「AWS 秋の Observability 祭り ~明日使えるアセット祭り~」のイベントについて内容を簡単にご紹介しつつ、アセット資料を紹介致します。今回のイベントでは、すぐデプロイできるアセットを活用し Observability の高度化をジャンプスタートすることをテーマに様々なアセットをご紹介しました。アセットは生成 AI を活用した Observability での障害分析の効率化 、負荷試験における可視化や異常検知といった Observability で試験の速度と品質の改善、Amazon CloudWatch をさらに高度に活用するためのネットワーク監視、ログ異常検知機能による運用改善と複数のユースケースをカバーしています。

Amazon Bedrock でモデルの推論をするにはモデルアクセスの有効化、デフォルトで割り当てられた制限を超えて推論等を行う場合は制限値の引き上げが必要です。しかし、デフォルトの制限値はサービスの適正な利用とパフォーマンスの維持向上を図るため継続的に調整が行われており、その中であなたの AWS アカウントのモデルアクセスの有効化や推論等の制限値に影響が発生する場合があります。本記事はそのような場合の対応方法を解消するための手順を説明します。

流通・小売・消費財業界に関わられている方々を主な対象として、2024年10月24日に「流通・小売・消費財業界向け：クラウドと生成 AI によるオペレーション改革」のオンラインセミナーを開催しました。ご参加いただきました皆さまには、この場を借りて御礼申し上げます。本ブログでは、その内容を簡単にご紹介します。

生成 AI の導入は売上高 500 億円、従業員 1,000 名超の大企業では 7~9 割に達し、フェーズが「導入後」へ移行してきている企業も多いと推察します。
導入後の主な課題の一つが、「導入した生成 AI ツールが使われない」ことで、チャットツールに代表される生成 AI を誰もが利用できるインフラ基盤の利用率は、導入後 3 割、以後数か月で 1~2 割に落ち込む傾向があります。
本記事では、AWS の公開する生成 AI 事例より利用者数の向上に顕著な効果が見られるユースケースを 4 つご紹介します。ぜひ、課題解決に、社内での生成 AI 利用促進に役立てていただければ幸いです！

Enel は、32 か国に拠点を置き、82 GW の発電容量を持つ大手総合電力会社です。また同社は、7,600 万人の顧客に対して広大な送配電網を提供し、4,650 万台のスマートメーターを管理する大手送電網事業者としても極めて重要な役割を果たしています。Enel は 2014 年以来、Amazon Web Services (AWS) を使用した生成 AI の導入を促進する強力な社内ノウハウを開発することにより、人工知能 (AI) に多額の投資を行ってきました。この技術の進歩により、以前は手動で実行されていたタスクをシームレスに自動化することが可能になりました。

企業での生成 AI 活用が広まりつつも、比較的単純な業務への適用による「コスト削減」に効果が留まる事例は多いのではないでしょうか。日本は米国、欧州と比較すると雇用の流動性が相対的に低い傾向にあり、業務を効率化しても社員数が減らない以上、コスト削減の効果には限界があります。本記事では、生成 AI を活用しサービスの利用増や売上増など、トップラインの拡大を実現した 4 つの事例を紹介することで効率化から先のステップをご提示したいと思います。

生成 AI の活用を推進するには、単に社内で使えるようにするだけでは不十分だということに多くの企業が気づき始めています。本記事では、AWS の ML Enablement Workshop を活用した 4 つの事例から経営層の支持のもと、ビジネスと技術の両面から構成されたチームが活用の推進に不可欠であることを示します。

4 か月前、AWS は Amazon Bedrock に Anthropic の Claude 3.5 を導入 […]

エージェント型ワークフローは急速に AI イノベーションの基盤となりつつあり、インテリジェントなシステムが人間 […]